Introduction aux Études critiques en autisme (ÉCA) issues de la recherche anglophone
Notice bibliographique
Résumé
Ces dernières années, un corpus émergent d’Études critiques en autisme (ÉCA) s’est développé dans le but de coconstruire des connaissances scientifiques avec et pour les communautés autistes. Alors que la plupart des ÉCA proviennent du Royaume-Uni et de l’Australie (p. ex., Chown et collab., 2017; Pellicano et collab., 2014), très peu d’entre elles découlent de la recherche en français. Afin de combler cette lacune, cet article vise à introduire les ÉCA dans la littérature scientifique en français. Nous commençons par présenter les fondements à l’origine du mouvement pour la neurodiversité dans lequel les ÉCA s’inscrivent (Chamak, 2010; Nicolaidis, 2012). Ensuite, nous proposons un survol des théories importantes dans la recherche en autisme, soit le modèle médical et le modèle social du handicap (Chamak, 2010, Rosqvist et collab., 2019). Nous poursuivons en décrivant les principes des ÉCA, soit : la reconnaissance des dynamiques de pouvoir, la mise en relief de la contribution des personnes autistes et l’adaptation de l’environnement d’enquête (Fletcher-Watson et collab., 2019; Pickard et collab., 2021; Rosqvist et collab., 2019; Waltz, 2006). Au regard de ces postulats, nous discutons des obstacles potentiels en lien avec le développement des relations de confiance, les exigences pratiques et l’investissement financier nécessaire, tous indispensables pour soutenir les méthodes collaboratives (Pickard et collab., 2021; Rosqvist et collab., 2019). Cet article se conclut par des pistes de réflexion qui vont au-delà de la recherche : le changement de langage associé à l’autisme (Fletcher-Watson et collab., 2019; Woods, 2017) et la modification environnementale pour l’inclusion des personnes neurodivergentes (Fletcher-Watson et collab., 2019).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».